%0 Journal Article
%T 集成Dropout极限学习机数据分类方法
%A 周昭一
%A 翟俊海
%A 臧立光
%J 南京师范大学学报(自然科学版)
%D 2017
%R 10.3969/j.issn.1001-4616.2017.03.009
%X 极限学习机(Extreme Learning Machine,ELM)是一种速度快,泛化能力强的训练单隐含层前馈神经网络(Single-hidden Layer Feed-forward Neural-network,SLFN)的算法. 但是在应用ELM解决实际问题时,需要先确定合适的SLFN结构. 然而,对于给定的问题,确定合适的SLFN结构是非常困难的. 针对这一问题,本文提出了一种集成学习方法. 用该方法解决问题时,不需要事先确定SLFN的结构. 提出的方法包括3步:(1)初始化一个比较大的SLFN;(2)用ELM重复训练若干个Dropout掉若干个隐含层结点的SLFNs;(3)用多数投票法集成训练好的SLFNs,并对测试样例进行分类. 在10个数据集上进行了实验,比较了本文提出的方法和传统的极限学习机方法. 实验结果表明,本文提出的方法在分类性能上优于传统的极限学习机算法
%K 极限学习机
%K 随机化方法
%K 重复训练
%K 泛化能力
%K 集成
%U http://njsfdxzrb.paperonce.org/oa/darticle.aspx?type=view&id=201703009